مقایسه روشهای یادگیری ماشین با ناظر در پیش بینی مرگ و میر بیماران مبتلا به کووید- ۱۹ بستری شده با استفاده از تحلیل تصاویر سیتی اسکن ریه

  • سال انتشار: 1403
  • محل انتشار: اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده
  • کد COI اختصاصی: DSAI01_073
  • زبان مقاله: فارسی
  • تعداد مشاهده: 434
دانلود فایل این مقاله

نویسندگان

نیما یوسفی

دانشجوی کارشناسی ارشد، گروه امار زیستی، بهداشت، دانشگاه علوم پزشکی مشهد، مشهد

وحید قوامی

دانشیار، گروه امار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد

مریم سالاری

استاد یار، گروه امار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد

سعید اخلاقی

استاد یار، گروه امار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد

چکیده

طبق اعلام سازمان بهداشت جهانی، در ژانویه ۲۰۲۳ در سطح جهانی، تعداد مبتلایان کرونا ویروس بیش از ۶۶۴ میلیون و فوت شدگان بیش از ۶/۷میلیون نفر اعلام شد. از جمله راهکارهایی که میتوان برای کاهش این میزان مرگ و میر بکار برد، استفاده از مدلهای یادگیری ماشین مبتنی بر روش هایپردازش تصویر میباشد. در این مطالعه ابتدا، استخراج ویژگیهای تصاویر با استفاده از الگوریتمهای مختلف انجام پذیرفت. سپس از میان این ویژگی ها بهکمک مدل های جنگل تصادفی و رگرسیون لجستیک بهترین آنها در پیش بینی مرگ و میر بیماران مبتلا به کووید- ۱۹ استفاده شد و در نهایت این مدلها بایکدیگر مقایسه شدند. مقدار شاخص حساسیت مدل رگرسیون لجستیک در یک اعتبارسنجی متقابل طبقه ای با ۵ دسته، ۰/۸۸ گزارش شد. رگرسیونلجستیک در مقایسه با مدل جنگل تصادفی عملکرد بهتری در پیش بینی مرگ و میر بیماران مبتلا به کووید- ۱۹ ، دارا بود.

کلیدواژه ها

یادگیری ماشین با ناظر، پردازش تصویر، تصاویر سیتی اسکن، مرگ و میر، بیماری کووید- ۱۹

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.